在 Python 中使用 3D 数据实施 2 样本 KS 测试
Implementing a 2-sample KS test with 3D data in Python
我有两个 3D 分布，我想 运行 一个 Kolmogorov–Smirnov test on these two samples to measure their similarity. scipy.stats has an implementation of a 2-sample K-S tests implemented in 1 dimension and I found an implementation in 2 dimensions，但是 none 3 维（或 N 维）。
有人可以为 3D 分布实现 2 个样本的 K-S 检验吗？
KS 测试不容易泛化到多个维度；参见 the Wikipedia article on the KS test on that question。即使您可以找到或创建合适的泛化，我想知道您是否真的想这样做，因为显着性检验通常对大型数据集毫无用处。
如果您想量化分布之间的差异，我的建议是考虑基于熵的量，例如互信息或 Kullback-Leibler 散度。
也许你可以在这里详细说明你的目标是什么。
我有两个 3D 分布，我想 运行 一个 Kolmogorov–Smirnov test on these two samples to measure their similarity. scipy.stats has an implementation of a 2-sample K-S tests implemented in 1 dimension and I found an implementation in 2 dimensions，但是 none 3 维（或 N 维）。
有人可以为 3D 分布实现 2 个样本的 K-S 检验吗？
KS 测试不容易泛化到多个维度；参见 the Wikipedia article on the KS test on that question。即使您可以找到或创建合适的泛化，我想知道您是否真的想这样做，因为显着性检验通常对大型数据集毫无用处。
如果您想量化分布之间的差异，我的建议是考虑基于熵的量，例如互信息或 Kullback-Leibler 散度。
也许你可以在这里详细说明你的目标是什么。